1. Criação de figuras na base do R
- O pacote da
base do R possui uma série de funções orientadas à criação de figuras a partir de um conjunto de dados - normalmente, vetores ou colunas de um data.frame.
- Apesar de existirem muitos outros pacotes utilizados atualmente para a criação de figuras (e.g.,
ggplot2), é importante que saibamos construir as figuras na base do R pois:
- Muitas vezes não queremos figuras em um padrão de publicação, mas apenas queremos fazer uma exploração visual rápida de um dado ou uma relação;
- Alguns pacotes de análises de dados têm interação gráfica direta com a
base do R, mas não com aqueles outros pacotes gráficos; assim, se você não souber usar a base, você não conseguirá sair do lugar; e,
- Muita da lógica e dos argumentos utilizados nas funções da
base do R encontra similaridades com àquelas dos outros pacotes; entretanto, é mais fácil aprender a falar na base do R e passar para os outros pacotes gráficos do que o contrário.
Exercício 1
- Carregue o conjunto de dados das
ilhas e armazene-o em um objeto de mesmo nome.
1.1. Histograma
- Um dos primeiros tipos de figura que desejamos fazer para entender a “cara” de um conjunto de dados é um histograma.
- Um histograma descreve a distribuição de frequência dos diferentes valores que uma variável pode assumir.
- Podemos construir um histograma utilizando a função
hist.
hist(x = CO2$uptake)
- Toda a função que cria figuras na
base do R possui um conjunto de argumentos em comum; aqui, vamos focar em 5 deles:
main: um vetor de caracteres com um elemento, que corresponde ao título do gráfico;
xlab: um vetor de caracteres com um elemento, que corresponde ao título do eixo x;
ylab: um vetor de caracteres com um elemento, que corresponde ao título do eixo y;
xlim: um vetor numérico com dois elementos, que vão definir os limites mínimos e máximos dos valores a serem representados no eixo x;
ylim: um vetor numérico com dois elementos, que vão definir os limites mínimos e máximos dos valores a serem representados no eixo y;- Podemos utilizar estas funções para tornar a figura mais informativa para nós mesmos:
hist(x = CO2$uptake, main = "Variação na captura de CO2", xlab = "Captura de CO2", ylab = "Frequência",
xlim = c(0, 60), ylim = c(0, 18))
Exercício 2
- Crie um histograma que descreva a distribuição dos valores da riqueza de espécies nas ilhas, editando as informações da figura;
- Agora, crie um histograma que descreva a variação na área das ilhas;
- Repita o exercício do item anterior, mas agora utilizando o valor do logarítimo da área das ilhas.
1.2. Gráfico de barras
- Uma forma de apresentar a variação nos valores das médias ou número de observações entre categorias é através de gráficos de barra.
- Utilizamos a função
barplot para construir um gráfico de barras a partir de um data.frame que contenham os nomes das categorias e os valores respectivos a serem plotados.
- A função
table é muito útil para contar quantos casos existem dentro de cada nível de uma ou mais variáveis categóricas.
## variacao no número de observacoes disponiveis para carros com 3, 6 e 8 cilindros
table(mtcars$cyl)
##
## 4 6 8
## 11 7 14
## criando um gráfico de barras para visualizar estes números
barplot(height = table(mtcars$cyl))
- Por outro lado, podemos também plotar as médias e erros padrão entre categorias, apesar disso ser bem mais trabalhoso!
- Vamos utilizar a função
by para calcular as médias para dois tratamentos e armazenar os valores em um objeto;
- Vamos então coagir este objeto a ser um vetor e sobre-escrevê-lo;
- Vamos fornecer os nomes de cada elemento deste vetor;
- Vamos repetir o procedimento acima para calcular o erro padrão, armazenando os valores em outro objeto;
- Vamos utilizar o
barplot para criar o gráfico de barras com as médias;
- Vamos utilizar a função
segments para adicionar um segmento que represente o erro padrão de cada nível.
- Através desta função, precisamos especificar onde no eixo x a barra de erro estará e até onde nesse mesmo eixo ela vai;
- Também precisamos especificar de onde ela partirá no eixo y e até onde ela irá neste mesmo eixo.
## calculando as médias
(medias <- by(data = CO2$uptake, INDICES = list(CO2$Treatment), FUN = mean))
## : nonchilled
## [1] 30.64286
## --------------------------------------------------------
## : chilled
## [1] 23.78333
## coagindo o objeto a ser um vetor
(medias <- as.vector(medias))
## [1] 30.64286 23.78333
## adicionando nomes a cada elemento desse vetor
names(medias) <- c("nonchilled", "chilled")
## verificando objeto
medias
## nonchilled chilled
## 30.64286 23.78333
## repetindo o procedimento acima para os erros
(erro <- by(data = CO2$uptake, INDICES = list(CO2$Treatment), FUN = sd))
## : nonchilled
## [1] 9.704994
## --------------------------------------------------------
## : chilled
## [1] 10.88431
(erro <- as.vector(erro))
## [1] 9.704994 10.884312
names(erro) <- c("nonchilled", "chilled")
erro
## nonchilled chilled
## 9.704994 10.884312
## calculando erro padrao como: sd/sqrt(n)
## temos table(CO2$Treatment) = 42 observacoes de cada tratamento, logo:
(erro <- erro/sqrt(42))
## nonchilled chilled
## 1.497513 1.679486
## plotando os valores das médias
barplot(height = medias, ylim = c(0, 40))
## plotando os valores dos erros padrão, indexando cada barra e cada erro um por vez
segments(x0 = 0.7, x1 = 0.7, y0 = medias[1], y1 = medias[1] + erro[1]) # para o primeiro tratamento
segments(x0 = 1.9, x1 = 1.9, y0 = medias[2], y1 = medias[2] + erro[2]) # para o primeiro tratamento
- A
base do R não é boa em criar gráficos de barra que representam valores de média e dispersão (erro padrão, desvio padrão ou intervalo de confiaça) - para tal, normalmente é necessário linhas e linhas de código para se fazer algo que é simples; nesse sentido, minha recomendação é fazer gráficos deste tipo em específico em outros pacotes gráficos.
- Lembrando também que todos aqueles argumentos que controlam os aspectos visuais do gráfico que vimos para o histograma, valem aqui também!
Exercício 3
- Crie um gráfico de barras que demonstre a variação na médias da riqueza de espécies entre ilhas pertencentes aos diferentes tipos de arquipélagos, adicionando também a estimativa do erro padrão.
1.3. Boxplot
- O boxplot representa a variação na distribuição dos valores observados entre categorias, e é um dos tipos de gráficos mais bem conhecidos e utilizados;
- Todo boxplot tende a apresentar a mediana da distribuição dos dados, os quartis de 25% e 75% e o intervalo inferior e superior que corresponda a 1.5x a diferença entre aqueles dos quartis (Interquartile range);
- Podemos implementar um boxplot através da função de mesmo nome:
boxplot.
boxplot(x = CO2$uptake)
- O boxplot é extremamente poderoso em nos mostrar qual deve ser a distribuição aproximada de um conjunto de dados; compare, por exemplo, o boxplot que nós fizemos com um histograma utilizando o mesmo conjunto de dado:
- O emprego mais útil do boxplot é demonstrar as diferenças na distribuição dos dados entre os níveis de um mesmo fator.
- Para poder ter acesso a este tipo de visualização é necessário que passemos a utilizar o argumento da
formula, comum em várias funções da linguagem de programação R.
- Toda
formula toma como padrão a notação y ~ x, isto é: variável resposta ~ variável preditora;
- Além disso, a função
boxplot possui o argumento data, que nos permite informar onde estará todos os elementos utilizados dentro da formula - eliminando assim a necessidade de indexação dos elementos desejados.
boxplot(uptake ~ Treatment, data = CO2)
- Mais uma vez, todos argumentos que controlam os aspectos visuais do gráfico que vimos para o histograma e gráfico de barras, valem aqui também!
Exercício 4
- Crie um
boxplot que represente a variação na riqueza de espécies entre ilhas costeiras e oceânicas, modificando os aspectos visuais do gráfico.
1.4. Regressão
- Finalmente, um último tipo de figura que normalmente fazemos são gráficos de regressão, que representam a relação entre duas variáveis contínuas.
- Gráficos de regressão são implementados através da função
plot, e também fazem uso de uma formula.
plot(uptake ~ conc, data = CO2)
- E, mais uma vez, todos argumentos que controlam os aspectos visuais do gráfico que vimos para o histograma, gráfico de barras e boxplot, valem aqui também!
Exercício 5
- Crie um gráfico de regressão que representa a relação entre a riqueza de espécies e a área das ilhas.
- Reproduza o gráfico acima, mas assumindo que tanto a riqueza de espécies quanto a área das ilhas estão em escala logarítimica.
2. Customização de figuras
- O que vimos até agora foi como construir quatro dos principais tipos de figuras que normalmente utilizamos em trabalhos científicos, e como modificar as informações que descrevem a sua aparência geral.
- O que veremos agora é como modificar outros aspectos visuais destas figuras, de forma que possamos customizar a sua aparência de acordo com a mensagem que queremos que fique mais clara. Isto normalmente envolve:
- Modificar as figuras geométricas que representam os pontos em um gráfico de regressão;
- Adicionar cores ou preenchimentos à figura;
- Modificar a espessura e tipos de linhas utilizadas;
- Adicionar e editar o texto existente em uma figura;
- Adicionar ou modificar informações aos eixos.
2.1. Formatos dos pontos
- Os pontos em um gráfico de regressão são controlados pelo argumento
pch, que recebe um vetor numérico com um elemento que determina o código do tipo de ponto desejado.
- Os valores de 0 a 14 representam figuras geométricas vazadas, onde a única personalização de cores são em suas bordas;
- Os valores de 15 a 20 representam figuras geométricas preencidas, onde a única personalização de cores é o seu preenchimento;
- Os valores de 21 a 25 são figuras geométricas preenchidas, onde podemos personalizar tanto a cor das bordas quanto a de seu preenchimento.
plot(uptake ~ conc, data = CO2, pch = 1)
plot(uptake ~ conc, data = CO2, pch = 16)
plot(uptake ~ conc, data = CO2, pch = 21)
- Existe também a possibilidade de usarmos caracteres para determinar o formato dos pontos, embora isto não seja muito usual!
plot(uptake ~ conc, data = CO2, pch = "@")
- Podemos também modificar o tamanho dos pontos, através do argumento
cex.
plot(uptake ~ conc, data = CO2, pch = 16, cex = 0.5)
plot(uptake ~ conc, data = CO2, pch = 16, cex = 1)
plot(uptake ~ conc, data = CO2, pch = 16, cex = 2)
- Finalmente, como podemos fazer para que cada nível de um fator receba figuras geométricas com características diferentes? A resposta para isso está na construção da figura etapa a etapa e na indexação!
- Devemos criar um gráfico vazio, utilizandoo argumento
type dentro da função plot, e dizendo que type = "n".
- Adicionar os pontos que correspondam a uma determina condição através da função
points;
- Repetir o processo tantas vezes quantas as necessárias.
# criando a figura vazia
plot(uptake ~ conc, data = CO2, type = "n")
# adicionando os pontos correspondentes a cada um dos dois tratamentos
points(uptake ~ conc, data = CO2[CO2$Treatment == "nonchilled",], pch = 16)
points(uptake ~ conc, data = CO2[CO2$Treatment == "chilled",], pch = 21)
- Note portanto que para personalizar completamente cada um dos níveis de uma variável categórica (i.e., um fator) é necessário utilizar a indexação, e veremos que esta mesma ideia pode ser aplicada quando quisermos personalizar outros aspectos visuais da figura (cores, tipos e grossuras de linhas, tamanho de texto e por aí vai).
- Além disso, este exemplo deixa claro que a personalização de gráficos não é tarefa fácil na
base, e exige muitas linhas de comando para fazer algo simples. É por esta razão que as pessoas tendem a preferir outros pacotes gráficos, como o ggplot2.
Exercício 6
- Faça um gráfico de regressão entre a riqueza de espécies e a área da ilha (relação log-log), adicionando as informações necessárias para melhor compreensão do que o gráfico está representado, bem como tipos de pontos diferentes para ilhas de cada tipo de arquipélago.
2.2. Cores e preenchimentos
- Para personalizar as cores das figuras geométricas devemos utilizar dois tipos de argumentos:
col (de color), para controlar a cor da borda nas figuras com pch de 0 a 14 e 21 a 25;col (de color), para controlar a cor do preenchimento nas figuras com pch de 15 a 20;bg (de background), para controlar a cor do preenchimento nas figuras com pch de 21 a 25;
# modificando a cor da borda
plot(uptake ~ conc, data = CO2, pch = 1, col = "indianred3")
plot(uptake ~ conc, data = CO2, pch = 1, col = "indianred3", bg = "grey70") # nao funciona!
# modificando a cor do preenchimento
plot(uptake ~ conc, data = CO2, pch = 16, col = "indianred3")
plot(uptake ~ conc, data = CO2, pch = 16, col = "indianred3", bg = "grey70") # nao funciona!
# modificando a cor da borda e do preenchimento
plot(uptake ~ conc, data = CO2, pch = 21, col = "indianred3") # muda somente a cor da borda
plot(uptake ~ conc, data = CO2, pch = 21, col = "indianred3", bg = "grey70") # muda a cor da borda e do preenchimento
- Existem várias formas de determinar e descobrir quais são as cores disponíveis para usarmos em uma figura:
- Através do nome dela, seja àquelas que voce já conhece (blue, red, green,…) ou ainda digitando o comando
colors(). Neste último caso, você pode encontrar um arquivo contendo uma amostra de cada uma dessas cores em: http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf;
- Através do código hexadecimal da cor, por exemplo
#FFFFFF para a cor branca. Você pode encontrar o código hexadecimal de várias cores no próprio Microsoft Office (ou programas similares) e, também, no Adobe Kuler;
- Através de paletas de cores pré-programadas, que existem dentro de pacotes como o
RColorBrewer e o viridis.
- O argumento
col também pode ser usado para modificar a cor de linhas e de textos, enquanto que a função borders altera a cor da borda de boxplots.
Exercício 7
- No gráfico criado no exercício 6, modifique as cores dos pontos de forma que as ilhas costeiras e as ilhas oceânicas sejam diferenciadas umas das outras.
2.3. Linhas
- Existem duas formas de adicionarmos e/ou modificarmos linhas em um gráfico na
base.
- A primeira delas é através de argumento específicos utilizados nas funções que criam estes gráficos, tais como
lwd (line width; grossura da linha) e lty (line type; tipo de linha).
boxplot(uptake ~ Treatment, data = CO2, col = c("red", "blue"),
lwd = c(0.5, 2), lty = c(1, 2))
- A outra forma, é através da função
lines ou segments quando queremos desenhar uma linha ligando dois ou mais pontos ou, ainda mais normalmente, a função abline, que usamos para plotar as predições de um modelo linear.
## criando um modelo para descrever a relação entre a captura e a concentração de CO2
modelo <- lm(uptake ~ conc, data = CO2)
## plotando a figura principal
plot(uptake ~ conc, data = CO2, pch = 21, bg = "indianred3")
## adicionando a linha de tendencia
abline(reg = modelo, lwd = 3, lty = 1, col = "dodgerblue3") # direto através do modelo
abline(a = 0, b = 0.05, lwd = 3, lty = 2, col = "forestgreen") # uma linha de referencia com intercepto a = 0 e slope b = 0.05
abline(v = 600, lwd = 3, lty = 3, col = "gold3") # uma linha de referencia no eixo x
abline(h = 30, lwd = 3, lty = 4, col = "firebrick2") # uma linha de referencia no eixo y
Exercício 8
- Adicione uma linha de tendência no gráfico que você gerou no exercício 7, de acordo com o modelo que representa a relação visualizada.
2.4. Texto
- Podemos também adicionar um texto diretamente à figura que estamos criando ou, ainda, editar o texto já existente eu seu título, no título dos eixos ou no texto do eixo.
- A função
cex.main, cex.lab e cex.axis modificam o tamanho do texto no título do gráfico, dos eixos e na legendas dos eixos, respectivamente.
plot(uptake ~ conc, data = CO2, pch = 21, bg = "indianred3",
main = "Captura ~ Concentração", ylab = "Captura de CO2", xlab = "Concentração de CO2",
cex.main = 2, cex.lab = 1.5, cex.axis = 1)
- Podemos modificar as cores do texto diretamente nas funções que criam as figuras utilizando os argumentos
col.main, col.lab e col.axis, para o título do gráfico, dos eixos e da legenda dos eixos, respectivamente.
plot(uptake ~ conc, data = CO2, pch = 21, bg = "indianred3",
main = "Captura ~ Concentração", ylab = "Captura de CO2", xlab = "Concentração de CO2",
cex.main = 2, cex.lab = 1.5, cex.axis = 1,
col.main = "blue", col.lab = "gold3", col.axis = "forestgreen")
- Finalmente, podemos modificar a família da fonte utilizada na figura toda utilizada o argumento
family ou, ainda, se queremos a fonte em negrito, itálico ou outras formas através dos argumentos font (aplicada à toda a figura), ou font.main, font.lab e font.axis (aplicados individualmente ao título do gráfico, dos eixos e da legenda dos eixos, respectivamente).
plot(uptake ~ conc, data = CO2, pch = 21, bg = "indianred3",
main = "Captura ~ Concentração", ylab = "Captura de CO2", xlab = "Concentração de CO2",
cex.main = 2, cex.lab = 1.5, cex.axis = 1,
col.main = "blue", col.lab = "gold3", col.axis = "forestgreen",
font.main = 3, font.lab = 2, font.axis = 1,
family = "Times")
- Todas essas customizações estão sendo feitas diretamente ao texto existente na figura. Por outro lado, podemos adicionar um novo texto em algum ponto dentro da área de plotagem e utilizar argumentos similares para controlar a aparência do texto. Fazemos isso através da função
text.
- Podemos associar a função
text à paste e esta últimas, por vezes, à função round.
## vamos adicionar a fórmula do modelo à figura
modelo
##
## Call:
## lm(formula = uptake ~ conc, data = CO2)
##
## Coefficients:
## (Intercept) conc
## 19.50029 0.01773
## criando a figura
plot(uptake ~ conc, data = CO2, pch = 21, bg = "indianred3",
main = "Captura ~ Concentração", ylab = "Captura de CO2", xlab = "Concentração de CO2")
text(x = 600, y = 9, labels = "y = 19.50029 + 0.01773x", cex = 1.2, font = 2, col = "dodgerblue3")
## automatizando a extração dos valores da formula do modelo para adicionar à figura
paste("y =", coef(modelo)[1], "+", coef(modelo)[2], "x")
## [1] "y = 19.5002898063634 + 0.0177305871993836 x"
## plotando formula automaticamente
plot(uptake ~ conc, data = CO2, pch = 21, bg = "indianred3",
main = "Captura ~ Concentração", ylab = "Captura de CO2", xlab = "Concentração de CO2")
text(x = 600, y = 9, labels = paste("y =", coef(modelo)[1], "+", coef(modelo)[2], "x"),
cex = 1, font = 2, col = "dodgerblue3")
Exercício 9
- Adicione a fórmula referente ao modelo que a figura representa em sua área de plotagem.
2.5. Eixos
- Por fim, é possível que também tenhamos que editar o conteúdo dos eixos de uma figura, de forma modificar os valores que aparecerão na legendas dos eixos, a sua posição, além do tamanho e posição dos tracinhos, e a espessura, cor e tipo de linha que formam os eixos.
- Todas estas customizações podem ser conseguidas através da função
axis. Todavia, só conseguiremos manipular estes eixos dessa forma caso os próprios eixos da figura sejam suprimidos quando de sua criação
# criando a figura, sem os eixos
plot(uptake ~ conc, data = CO2, pch = 21, bg = "indianred3", axes = FALSE,
main = "Captura ~ Concentração", ylab = "Captura de CO2", xlab = "Concentração de CO2")
# adicionando os valores do eixo de baixo, manipulando o número de ticks e a sua orientacao
axis(side = 1, at = seq(from = 0, to = 1100, by = 100), tcl = 0.5)
# adicionando os valores do eixo da esquerda, manipulando os valores que aparecerão
axis(side = 2, at = seq(from = 0, to = 45, by = 5),
labels = c(0, "", 10, "", 20, "", 30, "", 40, ""))
Exercício 10
- Edite os eixos da figura que você tem trabalhado até este ponto da aula.
2.6. Outros argumentos gráficos
- Existem muitas outras funcionalidades que podemos implementar na
base do R para que possamos construir figuras, o que se reflete na enorme quantidade de livros e materiais existentes sobre o tópico! Portanto, não é minha intenção cobrir todos aqui, mas os elementos básicos apresentados já fornecem a indicação de um caminho por onde seguir.
- A principal forma de manipular outros aspectos gráficos mais detalhados da
base do R está na função par(), que controla todos os parâmetros estéticos das figuras geradas.
- Apesar de não termos coberto detalhadamente algumas outras funções e utilidades, abaixo apresento algumas funções que podem vir à mão no seu dia-a-dia.
locator: utilizado para extrair informações das coordenadas de dois pontos em um gráfico através de clicks;par(mfrow = c(1, 1)): cria figuras multipainéis ao modificar a forma como elas são preenchidas entre linhas e colunas;par(mfcol = c(1, 1)): cria figuras multipainéis ao modificar a forma como elas são preenchidas entre linhas e colunas;par(mar = c(5.1, 4.1, 4.1, 2.1)): define as margens do painel de plotagem em cada um dos quatro lados (embaixo, esquerda, topo, direita);legend: para adicionar uma legenda em algum ponto da figura;rect: para desenhar um retângulo em uma figura;polygon: para desenhar um polígono qualquer em uma figura.